大牛笔记：机器学习算法概览
2016-03-10 雨石 CSDN
机器学习（Machine Learning， ML）是什么，作为一个MLer，经常难以向大家解释何为ML。久而久之，发现要理解或解释机器学习是什么，可以从机器学习可以解决的问题这个角度来说。对于MLers，理解ML解决的问题的类型也有助于我们更好的准备数据和选择算法。十个机器学习问题样例想入门机器学习的同学，经常会去看一些入门书，比如《集体智慧编程》、《机器学习实战》、《数据挖掘》、《推荐系统
机器学习（Machine Learning， ML）是什么，作为一个MLer，经常难以向大家解释何为ML。久而久之，发现要理解或解释机器学习是什么，可以从机器学习可以解决的问题这个角度来说。对于MLers，理解ML解决的问题的类型也有助于我们更好的准备数据和选择算法。十个机器学习问题样例想入门机器学习的同学，经常会去看一些入门书，比如《集体智慧编程》、《机器学习实战》、《数据挖掘》、《推荐系统实践》等。看书的过程中，经常性的会看到如下样例：垃圾邮件识别信用卡交易异常检测手写数字识别语音识别人脸检测商品推荐疾病检测（根据以往病例记录，确定病人是否患病）股票预测用户分类（根据用户行为判断该用户是否会转化为付费用户）形状检测（根据用户在手写板上上画得形状，确定用户画的到底是什么形状）因此，当再有人问ML是什么的时候，就可以说这个是ML可以handle的，这个问题ML也可以handle，blahblah。机器学习问题类型对问题进行分类，好处就在于可以更好的把握问题的本质，更好的知道什么类型的算法需要用到。一般有四大类型：分类（classification）：有一些已经标注好类别的数据，在标注好
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
谢谢这篇文章！
93
谢谢这篇文章！
125
谢谢这篇文章！
146
未来的时代，未来的方向
100
机器人的时代
169
机器人，战胜人
68
增长知识，确实不错
71
#机器#
32
交叉学科
76
真的得学习一下了
71